如何将递归神经网络用于序列分类？

RNN可用于预测或序列到序列映射。但是如何将RNN用于分类呢？我的意思是，我们给整个序列一个标签。

可以使用RNN将多个输入映射到单个输入（标签），如下图（源）所示：

每个矩形都是一个向量，箭头表示函数（例如矩阵乘法）。输入向量为红色，输出向量为蓝色和绿色，向量保持RNN的状态（稍后将对此进行详细介绍）。从左到右：（1）无RNN的香草处理模式，从固定大小的输入到固定大小的输出（例如图像分类）。（2）序列输出（例如，图像字幕拍摄图像并输出单词句子）。（3）序列输入（例如，情感分析，其中给定句子被分类为表达正面或负面情感）。（4）序列输入和序列输出（例如，机器翻译：RNN读取英语的句子，然后输出法语的句子）。（5）同步的序列输入和输出（例如，我们希望标记视频每一帧的视频分类）。

如果是简单的RNN，则将整个序列馈入网络，然后在最后一个序列元素处输出类标签（有关此方法的早期示例，请参见本文和参考资料）。在训练阶段，我们可以反向传播从最后一个序列元素到序列开始的时间误差。通常，这与RNN序列标签问题没有什么不同，在RNN序列标签问题中，我们仅需要为序列的某些元素分配标签（或将所有其他元素标记为OTHER）。